MétaCan
Menu
Retour à la cohorte
Enregistrement W2544108486 · doi:10.1080/11956860.2001.11682683

The importance of scaling of multivariate analysis in ecological studies

2001· article· en· W2544108486 sur OpenAlexaffvenue
Pedro R. Peres‐Neto, Donald A. Jackson

Notice bibliographique

RevueEcoscience · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensToronto Zoo
Organismes subventionnairesnon disponible
Mots-clésScalingMultidimensional scalingMultivariate statisticsPrincipal component analysisEcologyComputer scienceNull (SQL)Null hypothesisNull modelInterpretation (philosophy)EconometricsMathematicsStatisticsData miningArtificial intelligenceMachine learningBiology

Résumé

récupéré en direct d'OpenAlex

Principal component scores are used widely in summarizing information from ecological data sets, but little attention has been given to the scaling methods producing them. We describe the most common scales and how their properties can contribute dramatically to pattern interpretation. We applied morphological null models to present a case where a method commonly applied by community ecologists shows contradictory results (rejection or not) depending on the particular scaling choice in producing PC scores. Our intention is not to condemn the use of PC scores but to call attention to the fact that different scaling methods emphasize different aspects of the data.The contradictions in results found by our null models, and possibly in the literature, are simply the consequence of different hypotheses being tested. In order to provide general guidelines, we discuss the adequacy of different scaling methods when analyzing particular ecological situations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,528

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,302
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcoscienceMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207